Modelo de IA ultraligero rompe barreras en el diagnóstico del cáncer de pulmón

Los modelos de inteligencia artificial (IA) suelen requerir enormes conjuntos de datos y costosos servidores GPU, lo que dificulta considerablemente su adopción generalizada, especialmente en entornos con recursos limitados. Ahora, investigadores han desarrollado un modelo ultraligero de aprendizaje profundo que puede ayudar en el diagnóstico del cáncer de pulmón utilizando únicamente una computadora portátil estándar y un conjunto de datos mínimo, ofreciendo una alternativa muy accesible a los sistemas de diagnóstico tradicionales basados en IA.

Este revolucionario modelo de IA fue desarrollado por un equipo de investigación del Instituto de Ciencias de Tokio (Tokio, Japón) mediante un enfoque único de aprendizaje profundo basado en redes neuronales artificiales de entrenamiento masivo (MTANN, por sus siglas en inglés). Esta técnica permitió construir un modelo de diagnóstico potente sin los elevados costos computacionales ni el gran volumen de datos que normalmente requiere el aprendizaje profundo.

A diferencia de los modelos de IA convencionales a gran escala, que se basan en el entrenamiento con miles de imágenes médicas, este modelo aprende de forma única a partir de datos de píxeles individuales extraídos de tomografías computarizadas (TC). Este enfoque redujo significativamente el tamaño del conjunto de datos requerido a tan solo 68 casos. Todo el proceso de entrenamiento se completó en tan solo 8 minutos y 20 segundos en una computadora portátil estándar, lo que demuestra la extraordinaria eficiencia del modelo.

A pesar de haber sido entrenado con un conjunto de datos reducido y ejecutado en hardware limitado, el modelo demostró un rendimiento diagnóstico excepcional. Alcanzó un valor de área bajo la curva (AUC) de 0,92, superando ampliamente a los modelos de IA a gran escala de vanguardia, como Vision Transformer y 3D ResNet, que solo alcanzaron valores de AUC de 0,53 y 0,59, respectivamente. Una vez entrenado, el modelo generó predicciones diagnósticas a una velocidad de 47 milisegundos por caso, lo que lo hace práctico para el uso clínico en tiempo real.

Esta solución de IA ultraligera ofrece importantes ventajas prácticas. Elimina la necesidad de infraestructura costosa y conjuntos de datos masivos, lo que facilita el acceso al diagnóstico avanzado de cáncer de pulmón basado en IA a hospitales pequeños, clínicas rurales y regiones en desarrollo. Su velocidad de análisis y alta precisión también tienen el potencial de reducir los retrasos en el diagnóstico y apoyar una intervención temprana, aspecto crucial para mejorar los resultados en pacientes con cáncer de pulmón.

“Esta tecnología no solo busca abaratar o acelerar la IA”, afirmó Kenji Suzuki, del Instituto de Ciencias de Tokio, quien dirigió el equipo de investigación que desarrolló el modelo. “Se trata de hacer accesibles potentes herramientas de diagnóstico, especialmente para enfermedades raras donde es difícil obtener datos de entrenamiento. Además, reducirá considerablemente el consumo de energía para el desarrollo y uso de la IA en los centros de datos y puede resolver el problema de escasez de energía global que podríamos enfrentar debido al rápido crecimiento del uso de la IA”.

Enlaces relacionados:
Instituto de Ciencias de Tokio

Visitar la expo >

Breast Localization System

MAMMOREP LOOP

Multi-Use Ultrasound Table

Clinton

Ultrasound-Guided Biopsy & Visualization Tools

Endoscopic Ultrasound (EUS) Guided Devices

New

Mammo DR Retrofit Solution

DR Retrofit Mammography